基于深度进修的降噪模子将显微镜成像速率进步了16倍

为了辅佐加快显微镜体系，来自德州大学奥斯汀分校的Salk研究所的研究职员开拓了一种新的基于AI的显微镜成像要领，有望比行使于大脑成像的显微镜技能快16倍。

研究职员在bioRxiv上颁发的论文《基于深度进修的点扫描超判别率成像》中指出：“点扫描成像体系也许是用于高判别率细胞和组织成像的最普及行使的器材。它与全部其他成像方法一样，很难同时优化点扫描体系的判别率、速率、样品生涯和信噪比。”

为了应对这一挑衅，索尔克研究所（Salk Institute）的Uri Manor开始行使一种称为反卷积的图像处理赏罚技能。天文学家已行使该要领在恒星和行星的望远镜图像中得到更高的判别率。

在网络到足够的数据以构建包括高判别率和超判别率图像的实习数据集之后，该团队行使基于ResNet的U-Net卷积神经收集对模子举办了实习。

研究职员在论文中表明说：“为此目标实习模子，必要很多美满成对的高判别率和低判别率图像。我们选择手动天生高判别率的图像，以模仿在显微镜下获取低判别率图像对的低判别率图像，而不是人工获取用于实习的高判别率图像对和低判别率图像对，以天生半合成的实习数据。

对模子举办实习后，团队将其体系举办了测试，并将其应用于在其他尝试室中行使差异显微镜建设的图像。

Manor暗示：“凡是在深度进修中，您必需为差异的数据集从头实习和微调模子，可是我们很兴奋我们的体系对付各类百般的样本和图像集都能云云精彩地事变。”Manor和团队但愿开拓可以或许及时重建的软件，以便研究职员可以当即看到超判别率的图像。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!